一種針對數字全息圖噪聲干擾的實時客觀質量評價方法
【專利摘要】本發明涉及一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，屬于全息圖像質量評價技術領域。本發明提供了一種改進的基于人眼視覺特性中掩蓋效應的噪聲檢測方法，應用于評價數字全息圖的噪聲干擾。該方法充分模擬了不同圖像內容對人眼主觀感受刺激的差異，取消了Hosaka分塊對圖像尺寸的限制，根據待評價圖像的特點自動計算、動態設置分塊閾值、檢噪閾值，并進一步優化了噪聲判別方式，增強了普適性、魯棒性，在提高運算效率的同時可減少誤檢和漏檢，適用于對各種噪聲干擾、不同噪聲強度下的圖像進行評價，能更好的滿足對數字全息圖噪聲干擾進行實時評價的需要。
【專利說明】
-種針對數字全息圖噪聲干擾的實時客觀質量評價方法
技術領域
[0001] 本發明屬于全息圖像質量評價技術領域，設及一種針對數字全息圖噪聲干擾的實 時客觀質量評價方法。
【背景技術】
[0002] 數字全息是近年來興起的一種新型相干的光學測量技術。它利用高集成度、高精 度的光敏電子成像器件，如電荷禪合元件(化arge-coupled Device，CCD)直接獲取微米級 的樣本圖像，具有全視場、非接觸、無損傷、實時性和定量化的獨特優勢，在=維形貌測量、 顯微領域、粒子場分析與觀測、防偽、生物醫學等領域具有廣泛的應用前景。
[0003] 數字全息成像分為光學記錄和數值再現兩個過程，其中光學記錄過程是由光源發 出的光線照射到樣本上，樣本表面產生的散射光（即物光)和參考光在光敏電子成像器件表 面發生干設，產生全息圖，其光強分布被其記錄并保存到計算機中，其結果是一個數字矩 陣，即數字全息圖（Digital化Iogram)。而數值再現過程是由計算機模擬光學全息的再現 過程，通過數值計算，獲得像光波場的復振幅分布，將所得強度分布及位相分布在顯示器上 顯示出來，即可得到樣本的形態結構圖像(即再現像）。
[0004] 在數字全息圖的采集、存儲、處理、傳輸、顯示等過程中往往會產生不同程度的失 真，比如不同類型的噪聲污染，從而對其質量產生影響。同時，數字全息圖的質量（即失真程 度)將直接影響再現像的質量，失真嚴重時甚至無法得到再現像，導致基于再現像的檢測、 分析等進一步的應用無法開展。
[0005] 此外，由于數字全息技術直接記錄的是物光和參考光的干設條紋，與觀測者熟悉 的樣本形態結構圖完全不同，因此人眼難W直觀判斷數字全息圖的質量，往往需要借助數 值再現過程，由觀測者根據再現像中樣本形態結構的完整性、清晰度評判其優劣。運種基于 再現像間接評價數字全息圖質量的方式顯然費時費力。尤其是在生物醫學運類需要獲取活 體樣本如生物細胞的全息圖的應用中，運一問題更為突出。生物細胞存在存活周期，需要在 盡可能短的時間內獲取到高質量的數字全息圖W滿足觀測分析的需要。而需再現后方能評 價數字全息圖像質量的方式顯然會浪費實驗時間。此外，一旦再現后發現圖像質量不佳，需 重新拍攝全息圖，可能細胞已經調亡，又需重新培養細胞后才能再開展實驗，無疑是耗時耗 力耗成本。而且基于觀測者的視覺觀察評判圖像質量，其準確性會也受到主觀影響。
[0006] 綜上所述，直接針對數字全息圖進行即時高效的客觀質量評價是解決上述問題的 有效途徑，將能更好地確保全息圖的可用性。
[0007] 目前，常用的圖像評價方法分為主觀評價和客觀評價兩類：圖像質量的主觀評價 是通過人眼直接觀測圖像，按照某種規定標準或圖像樣品，由人的主觀感覺對圖像的優劣 做出評分，然后對評分進行統計平均得出評價結果。該方法存在著W下缺點：1)代價高、耗 時長、過程繁瑣冗長、實時性差；2)易受到外界與設備等客觀因素影響；3)易受到觀察者知 識水平、興趣、喜好等主觀因素影響;4)無法應用數字模型描述，難W嵌入實際的數字圖像 處理系統等諸多難W克服的困難，導致主觀評價方法的普遍應用受到了嚴重制約。圖像質 量的客觀評價是根據給定的測量標準，對測量出的構成圖像的有關物理特性參量進行評 價。傳統的客觀圖像質量評價方法往往使用均方差(Mean Squre化ror，MSE)與峰值信噪比 PSNR(Peak Signal to Noise Ratio,PSNR)作為衡量標準，但其僅考慮了圖像間點對點的 絕對誤差，未考慮圖像空域像素點之間的相關性與人類視覺系統的感知特性。運就導致在 一些情況下與人主觀感受效果不一致，不能反映圖像的主觀感知程度，有時甚至與人主觀 感受相惇。
[000引近年來興起的基于人眼視覺系統化uman Visual System,HVS)特性的客觀評價方 法，能夠在很大程度上模擬人眼的主觀評價感受。特別是視覺掩蓋效應作為人眼視覺系統 中的重要組成部分，非常適用于對圖像噪聲水平的檢測。該方法能夠將圖像中不同區域對 人眼的刺激程度進行等級區分，進而將不同區域的噪聲賦予不同的權值，最后將整幅圖像 各部分的噪聲評價結果進行匯總，得到最終的評價結果，在無參考信息的條件下能取得與 主觀較為一致的結果，優于傳統的客觀質量評價方法。現有的基于掩蓋效應的噪聲檢測算 法在劃分區域（即分塊)方面對圖像尺寸有所限制，且往往需由操作者設置固定的分塊闊值 和檢噪闊值，如設置不當，易出現分塊過多、導致運算量大，W及噪聲漏檢、誤檢等問題，難 W滿足實時性應用的要求，且算法的普適性差，準確率也受到影響。
【發明內容】
[0009] 有鑒于此，本發明的目的在于提供一種針對數字全息圖噪聲干擾的實時客觀質量 評價方法，該方法充分模擬了不同圖像內容對人眼主觀感受刺激的差異，取消了化saka分 塊對圖像尺寸的限制，根據待評價圖像的特點自動計算、動態設置分塊闊值、檢噪闊值，并 進一步優化了噪聲判別方式，增強了普適性、魯棒性，在提高運算效率的同時可減少誤檢和 漏檢，適用于各種噪聲類型、不同噪聲強度下的圖像進行評價，能更好的滿足對數字全息圖 噪聲干擾進行實時評價的需要。
[0010] 為達到上述目的，本發明提供如下技術方案：
[0011] -種針對數字全息圖噪聲干擾的實時客觀質量評價方法，該方法包括W下步驟：
[0012] Sl:獲取數字全息樣本圖像；
[0013] S2:針對樣本圖像進行灰度化處理，得到樣本灰度圖像；
[0014] S3:針對樣本灰度圖像進行分塊預處理，設置圖像的最小分塊尺寸，結合圖像尺寸 與最小分塊尺寸，計算分塊進行的最多層級數；
[0015] S4:采用基于化saka分塊原理的分塊方法對樣本灰度圖像逐級計算分塊闊值并分 塊；
[0016] S5:根據分塊結果，由各子塊圖像尺寸計算得到各子塊的噪聲權值；
[0017] S6:計算樣本灰度圖像的平均梯度值，作為檢噪闊值；
[0018] S7:根據檢噪闊值，對各子塊圖像中噪聲點進行判斷，計算塊內的噪聲污染程度；
[0019] S8:匯總各子塊的噪聲污染程度并依次加權，得到樣本圖像的噪聲污染程度；
[0020] S9:根據噪聲污染程度，計算最終基于視覺掩蓋效應的無參考圖像信噪比。
[0021] 進一步，所述步驟S3具體包括:設置圖像分塊的最小邊長dim(單位為像素），也即 當所分子塊的長或寬小于dim即停止分塊，并根據下式，結合圖像樣本尺寸(MXN)計算出最 高分塊級數Kmax:
[0022] Kmax=min(floor(log2M-log2dim) ,floor(log2N-log2dim))
[0023] 其中floor表示對結果負向取整，舍棄小數部分;min表示對所包含元素取最小值。
[0024] 進一步，所述步驟S4具體包括:在當前分塊級數K未達到Kmax時，逐級判斷當前所得 子塊是否需要進行進一步分塊;分塊方法源于化saka分塊（四叉樹分塊），但不再要求圖像 的長和寬均為2的整數次方，適用于任意尺寸的圖像，分塊也不再受限于正方形;分塊闊值 選取能夠反映圖像成分頻率高低的灰度值均方差;分塊目的在于將整幅樣本灰度圖像逐級 細分為高低頻成分不同、對應尺寸不同的子塊，W分塊大小代表了子塊圖像的不同頻率成 分;其中分塊尺寸越大表示塊內頻率成分越低，反之分塊尺寸越小的表示塊內頻率成分越 局。
[0025] 進一步，所述步驟S4中，所述對樣本灰度圖像進行逐級分塊，分別通過如下步驟獲 得：
[0026] 步驟a、當K= 1時，即進行第一級分塊時，直接將圖像進行十字等分，即將長寬進行 等分，分為四個子塊;若邊長存在奇數的情況，遵循上小下大，左小右大的原則，將圖像的邊 分為相差1個像素點的兩段;并對所分得的四個子塊中的像素灰度值均方差采用W下公式 進行計算，進一步求得四塊的平均均方差，作為各子塊進行下一級分塊的分塊闊值，并進入 步驟b;對任意一圖像子塊f，其灰度值均方差公式為：
[0027]
[0028] 其中，（i，j)為圖像子塊f中像素的行、列坐標;m、n分別為該圖像子塊的行、列像素 數目，即圖像塊的大小，f為該圖像塊的平均灰度值；
[0029] 步驟b、當K〉1時，即進行后續層級分塊時，則計算當前待分子塊的灰度值均方差， 與上一級所得平均灰度值均方差進行對比，若小于則不再進一步分塊，反之若大于則按照 步驟a中所述規則對當前子塊進行分塊，并將所分子塊的平均灰度值均方差作為下一級分 塊的分塊闊值，直到分塊進行至第Kmax級。
[0030] 進一步，所述步驟S5具體包括:對于步驟S4分塊所得的子塊，根據其各塊尺寸，計 算該子塊中噪聲污染對于整幅樣本灰度圖像的加權值、；圖像子塊噪聲加權值的計算方法 是采用該子塊較小邊的邊長，取其W2為底的對數，即
[0031] 、= l〇g2(min(m,n))。
[0032] 進一步，所述步驟S6具體包括:針對樣本灰度圖像，將其除邊界外的所有像素點進 行梯度值的計算，并對得到的所有梯度值求平均，得到整幅圖像的平均梯度值，設為該圖像 的檢噪闊值，用于后續的噪聲檢測;對于像素梯度值的計算，樣本灰度圖像中（除邊界)的任 一像素點都具有八鄰域，存在四個方向梯度:橫向梯度、縱向梯度、主對角線梯度、反對角線 梯度;對于某一像素點任一方向上的方向梯度計算都遵循如下方法:首先將該像素點灰度 值與其八鄰域中該方向上兩像素點(A、B)灰度值分別求差取絕對值后再求和，然后再將兩 像素點(A、B)灰度值求差取絕對值，最后將運兩部分結果求差后再取絕對值即為該像素點 在該方向上的方向梯度;取四個方向梯度中的最小值作為該像素點的梯度值。
[0033] 進一步，所述步驟S7具體包括:根據步驟S6中所提出的像素點的四個方向梯度的 計算方法，得到步驟S4所分各子塊內像素點的梯度情況，統計其各點與檢噪闊值之間的關 系，進而對各子塊內的噪聲污染程度進行計算；
[0034] 在步驟S7中，針對噪聲點的判斷方法，采用對于某一像素點，判斷其四個方向梯度 中值為0的個數;若像素點存在兩個及W上的方向梯度值不為0,則該像素點為疑似噪聲點； 反之，則為非噪聲點;對疑似噪聲點作進一步判斷，若其非零方向梯度值的最小值大于步驟 S6所得檢噪闊值，則確定該像素點為噪聲點；
[0035] 在步驟S7中，針對圖像塊中噪聲污染程度的計算方法采用的是將塊內所有噪聲點 的非零方向梯度值的最小值與檢噪闊值分別求差再求和，其結果即為該圖像塊的噪聲污染 程度，記為Gi。
[0036] 進一步，所述步驟S8具體包括:根據步驟S7所求各子塊的噪聲污染程度Gi W及步 驟S5所求各子塊的噪聲加權值、，將兩者對應相乘求和再除W樣本圖像的總像素點數，得 到整幅圖像的噪聲污染程度G，即：
[0037]
[0038] 進一步，所述步驟S9具體包括:根據步驟S8所得整幅圖像的噪聲污染程度G結合樣 本灰度圖像的灰度級數1，求出最終結果一基于掩蓋效應的無參考圖像信噪比NRPSNR，計算 公式如下：
[0039]
[0040] 本發明的有益效果在于:本發明提供了一種改進的基于人眼視覺特性中掩蓋效應 的噪聲檢測方法，應用于評價數字全息圖的噪聲干擾。該方法充分模擬了不同圖像內容對 人眼主觀感受刺激的差異，取消了化saka分塊對圖像尺寸的限制，根據待評價圖像的特點 自動計算、動態設置分塊闊值、檢噪闊值，并進一步優化了噪聲判別方式，增強了普適性、魯 棒性，在提高運算效率的同時可減少誤檢和漏檢，適用于各種噪聲干擾、不同噪聲強度下的 圖像進行評價，能更好的滿足對數字全息圖噪聲干擾進行實時評價的需要。
【附圖說明】
[0041] 為了使本發明的目的、技術方案和有益效果更加清楚，本發明提供如下附圖進行 說明：
[0042] 圖1為單個紅細胞的全息圖、再現像與顯微鏡圖像對比示例；
[0043] 圖2為多個紅細胞的全息圖、再現像與顯微鏡圖像對比示例；
[0044] 圖3為本發明所述方法的流程示意圖。
【具體實施方式】
[0045] 下面將結合附圖，對本發明的優選實施例進行詳細的描述。
[0046] 圖3為本發明所述方法的流程示意圖，如圖所示，本發明提供的一種針對數字全息 圖噪聲干擾的實時客觀質量評價方法包括W下步驟:S1:獲取數字全息樣本圖像;S2:針對 樣本圖像進行灰度化處理，得到樣本灰度圖像;S3:針對樣本灰度圖像進行分塊預處理，設 置圖像的最小分塊尺寸，結合圖像尺寸與最小分塊尺寸，計算分塊進行的最多層級數;S4: 采用基于化saka分塊原理的分塊方法對樣本灰度圖像逐級計算分塊闊值并分塊；S5:根據 分塊結果，由各子塊圖像尺寸計算得到各子塊的噪聲權值;S6:計算樣本灰度圖像的平均梯 度值，作為檢噪闊值;S7:根據檢噪闊值，對各子塊圖像中噪聲點進行判斷，計算塊內的噪聲 污染程度;S8:匯總各子塊的噪聲污染程度并依次加權，得到樣本圖像的噪聲污染程度;S9: 根據噪聲污染程度，計算最終基于視覺掩蓋效應的無參考圖像信噪比。
[0047]在本實施例中，所述步驟S3具體包括：設置圖像分塊的最小邊長dim(單位為像 素），也即當所分子塊的長或寬小于dim即停止分塊，并根據下式，結合圖像樣本尺寸(MXN) 計算出最高分塊級數Kmax :
[004引
[0049] 其中floor表示對結果負向取整，舍棄小數部分;min表示對所包含元素取最小值。
[0050] 所述步驟S4具體包括:在當前分塊級數K未達到Kmax時，逐級判斷當前所得子塊是 否需要進行進一步分塊;分塊方法源于化saka分塊（四叉樹分塊），但不再要求圖像的長和 寬均為2的整數次方，適用于任意尺寸的圖像，分塊也不再受限于正方形;分塊闊值選取能 夠反映圖像成分頻率高低的灰度值均方差;分塊目的在于將整幅樣本灰度圖像逐級細分為 高低頻成分不同、對應尺寸不同的子塊，W分塊大小代表了子塊圖像的不同頻率成分;其中 分塊尺寸越大表示塊內頻率成分越低，反之分塊尺寸越小的表示塊內頻率成分越高。
[0051 ]所述步驟S4中，所述對樣本灰度圖像進行逐級分塊，分別通過如下步驟獲得：
[0052]步驟a、當K= 1時，即進行第一級分塊時，直接將圖像進行十字等分，即將長寬進行 等分，分為四個子塊;若邊長存在奇數的情況，遵循上小下大，左小右大的原則，將圖像的邊 分為相差1個像素點的兩段;并對所分得的四個子塊中的像素灰度值均方差采用W下公式 進行計算，進一步求得四塊的平均均方差，作為各子塊進行下一級分塊的分塊闊值，并進入 步驟b;對任意一圖像子塊f，其灰度值均方差公式為：
[0化3]
[0054] 其中，（i，j)為圖像子塊f中像素的行、列坐標;m、n分別為該圖像子塊的行、列像素 數目，即圖像塊的大小J'為該圖像塊的平均灰度值；
[0055] 步驟b、當K〉1時，即進行后續層級分塊時，則計算當前待分子塊的灰度值均方差， 與上一級所得平均灰度值均方差進行對比，若小于則不再進一步分塊，反之若大于則按照 步驟a中所述規則對當前子塊進行分塊，并將所分子塊的平均灰度值均方差作為下一級分 塊的分塊闊值，直到分塊進行至第Kmax級。
[0056] 所述步驟S5具體包括:對于步驟S4分塊所得的子塊，根據其各塊尺寸，計算該子塊 中噪聲污染對于整幅樣本灰度圖像的加權值、；圖像子塊噪聲加權值的計算方法是采用該 子塊較小邊的邊長，取其W2為底的對數，即
[0化7] 、= l〇g2(min(m,n))。
[0058] 所述步驟S6具體包括:針對樣本灰度圖像，將其除邊界外的所有像素點進行梯度 值的計算，并對得到的所有梯度值求平均，得到整幅圖像的平均梯度值，設為該圖像的檢噪 闊值，用于后續的噪聲檢測;對于像素梯度值的計算，樣本灰度圖像中（除邊界)的任一像素 點都具有八鄰域，存在四個方向梯度:橫向梯度、縱向梯度、主對角線梯度、反對角線梯度； 對于某一像素點任一方向上的方向梯度計算都遵循如下方法:首先將該像素點灰度值與其 八鄰域中該方向上兩像素點(A、B)灰度值分別求差取絕對值后再求和，然后再將兩像素點 (A、B)灰度值求差取絕對值，最后將運兩部分結果求差后再取絕對值即為該像素點在該方 向上的方向梯度;取四個方向梯度中的最小值作為該像素點的梯度值。
[0059] 所述步驟S7具體包括:根據步驟S6中所提出的像素點的四個方向梯度的計算方 法，得到步驟S4所分各子塊內像素點的梯度情況，統計其各點與檢噪闊值之間的關系，進而 對各子塊內的噪聲污染程度進行計算；
[0060] 在步驟S7中，針對噪聲點的判斷方法，采用對于某一像素點，判斷其四個方向梯度 中值為0的個數;若像素點存在兩個及W上的方向梯度值不為0,則該像素點為疑似噪聲點； 反之，則為非噪聲點;對疑似噪聲點作進一步判斷，若其非零方向梯度值的最小值大于步驟 S6所得檢噪闊值，則確定該像素點為噪聲點；
[0061] 在步驟S7中，針對圖像塊中噪聲污染程度的計算方法采用的是將塊內所有噪聲點 的非零方向梯度值的最小值與檢噪闊值分別求差再求和，其結果即為該圖像塊的噪聲污染 程度，記為Gi。
[0062] 所述步驟S8具體包括:根據步驟S7所求各子塊的噪聲污染程度Gi W及步驟S5所求 各子塊的噪聲加權值、，將兩者對應相乘求和再除W樣本圖像的總像素點數，得到整幅圖 像的噪聲污染程度G，即：
[0063]
[0064] 所述步驟S9具體包括:根據步驟S8所得整幅圖像的噪聲污染程度G結合樣本灰度 圖像的灰度級數1，求出最終結果一基于掩蓋效應的無參考圖像信噪比NRPSNR，計算公式如 下：
[00 化]
[0066]最后說明的是，W上優選實施例僅用W說明本發明的技術方案而非限制，盡管通 過上述優選實施例已經對本發明進行了詳細的描述，但本領域技術人員應當理解，可W在 形式上和細節上對其作出各種各樣的改變，而不偏離本發明權利要求書所限定的范圍。
【主權項】
1. 一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其特征在于：該方法包括 以下步驟： si:獲取數字全息樣本圖像； S2:針對樣本圖像進行灰度化處理，得到樣本灰度圖像； S3:針對樣本灰度圖像進行分塊預處理，設置圖像的最小分塊尺寸，結合圖像尺寸與最 小分塊尺寸，計算分塊進行的最多層級數； S4:采用基于Hosaka分塊原理的分塊方法對樣本灰度圖像逐級計算分塊閾值并分塊； S5:根據分塊結果，由各子塊圖像尺寸計算得到各子塊的噪聲權值； S6:計算樣本灰度圖像的平均梯度值，作為檢噪閾值； S7:根據檢噪閾值，對各子塊圖像中噪聲點進行判斷，計算塊內的噪聲污染程度； S8:匯總各子塊的噪聲污染程度并依次加權，得到樣本圖像的噪聲污染程度； S9:根據噪聲污染程度，計算最終基于視覺掩蓋效應的無參考圖像信噪比。2. 根據權利要求1所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S3具體包括:設置圖像分塊的最小邊長dim(單位為像素），也即當所分 子塊的長或寬小于dim即停止分塊，并根據下式，結合圖像樣本尺寸(MXN)計算出最高分塊 級數Kmax: Kmax=min(floor(log2M-log2dim)，floor( log2N-log2dim)) 其中floor表示對結果負向取整，舍棄小數部分;min表示對所包含元素取最小值。3. 根據權利要求1所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S4具體包括:在當前分塊級數K未達到K max時，逐級判斷當前所得子塊是 否需要進行進一步分塊;分塊方法源于Hosaka分塊（四叉樹分塊），但不再要求圖像的長和 寬均為2的整數次方，適用于任意尺寸的圖像，分塊也不再受限于正方形;分塊閾值選取能 夠反映圖像成分頻率高低的灰度值均方差;分塊目的在于將整幅樣本灰度圖像逐級細分為 高低頻成分不同、對應尺寸不同的子塊，以分塊大小代表了子塊圖像的不同頻率成分;其中 分塊尺寸越大表示塊內頻率成分越低，反之分塊尺寸越小的表示塊內頻率成分越高。4. 根據權利要求3所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S4中，所述對樣本灰度圖像進行逐級分塊，分別通過如下步驟獲得： 步驟a、當K=I時，即進行第一級分塊時，直接將圖像進行十字等分，即將長寬進行等 分，分為四個子塊;若邊長存在奇數的情況，遵循上小下大，左小右大的原則，將圖像的邊分 為相差1個像素點的兩段;并對所分得的四個子塊中的像素灰度值均方差采用以下公式進 行計算，進一步求得四塊的平均均方差，作為各子塊進行下一級分塊的分塊閾值，并進入步 驟b;對任意一圖像子塊f，其灰度值均方差公式為： __ EE1ISL1Cfai)-!)2 MSb = --^^ m X η 其中，（i，j)為圖像子塊f中像素的行、列坐標;m、n分別為該圖像子塊的行、列像素數 目，即圖像塊的大小，f為該圖像塊的平均灰度值； 步驟b、當K>1時，即進行后續層級分塊時，則計算當前待分子塊的灰度值均方差，與上 一級所得平均灰度值均方差進行對比，若小于則不再進一步分塊，反之若大于則按照步驟a 中所述規則對當前子塊進行分塊，并將所分子塊的平均灰度值均方差作為下一級分塊的分 塊閾值，直到分塊進行至第Kmax級。5. 根據權利要求1所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S5具體包括:對于步驟S4分塊所得的子塊，根據其各塊尺寸，計算該子 塊中噪聲污染對于整幅樣本灰度圖像的加權值λ 1;圖像子塊噪聲加權值的計算方法是采用 該子塊較小邊的邊長，取其以2為底的對數，即 Ai = l〇g2(min(m，n)) 〇6. 根據權利要求1所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S6具體包括:針對樣本灰度圖像，將其除邊界外的所有像素點進行梯度 值的計算，并對得到的所有梯度值求平均，得到整幅圖像的平均梯度值，設為該圖像的檢噪 閾值，用于后續的噪聲檢測;對于像素梯度值的計算，樣本灰度圖像中（除邊界)的任一像素 點都具有八鄰域，存在四個方向梯度:橫向梯度、縱向梯度、主對角線梯度、反對角線梯度； 對于某一像素點任一方向上的方向梯度計算都遵循如下方法:首先將該像素點灰度值與其 八鄰域中該方向上兩像素點(A、B)灰度值分別求差取絕對值后再求和，然后再將兩像素點 (A、B)灰度值求差取絕對值，最后將這兩部分結果求差后再取絕對值即為該像素點在該方 向上的方向梯度;取四個方向梯度中的最小值作為該像素點的梯度值。7. 根據權利要求6所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S7具體包括:根據步驟S6中所提出的像素點的四個方向梯度的計算方 法，得到步驟S4所分各子塊內像素點的梯度情況，統計其各點與檢噪閾值之間的關系，進而 對各子塊內的噪聲污染程度進行計算； 在步驟S7中，針對噪聲點的判斷方法，采用對于某一像素點，判斷其四個方向梯度中值 為〇的個數;若像素點存在兩個及以上的方向梯度值不為〇，則該像素點為疑似噪聲點；反 之，則為非噪聲點;對疑似噪聲點作進一步判斷，若其非零方向梯度值的最小值大于步驟S6 所得檢噪閾值，則確定該像素點為噪聲點； 在步驟S7中，針對圖像塊中噪聲污染程度的計算方法采用的是將塊內所有噪聲點的非 零方向梯度值的最小值與檢噪閾值分別求差再求和，其結果即為該圖像塊的噪聲污染程 度，記為Gi。8. 根據權利要求7所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S8具體包括:根據步驟S7所求各子塊的噪聲污染程度Gi以及步驟S5所 求各子塊的噪聲加權值\，將兩者對應相乘求和再除以樣本圖像的總像素點數，得到整幅 圖像的噪聲污染程度G，即： p _ Σ.祕 ^ ~ um"9. 根據權利要求7所述的一種針對數字全息圖噪聲干擾的實時客觀質量評價方法，其 特征在于:所述步驟S9具體包括:根據步驟S8所得整幅圖像的噪聲污染程度G結合樣本灰度 圖像的灰度級數1，求出最終結果一基于掩蓋效應的無參考圖像信噪比NRPSNR，計算公式如 下： NRPSNR = IOiogi0
【文檔編號】G06T7/00GK106023150SQ201610300187
【公開日】2016年10月12日
【申請日】2016年5月9日
【發明人】羅洪艷, 朱子巖, 林臻, 林睿, 林亞君
【申請人】重慶大學